library(httr)
# Url base del servio API del Censo
url <- "https://www.ine.es/Censo2021/api"  

# Consulta a la base de datos. 
# Resultados por provincia. Población por sexo, nacionalidad (española/extranjera) y edad (grandes grupos)
consulta <- '{"idioma":"ES", "metrica":["SPERSONAS"], "tabla":"per.ppal", "variables": ["ID_RESIDENCIA_N1", "ID_NACIONALIDAD_N1", "ID_SEXO", "ID_GRAN_GRUPO_EDAD"]}'

# Llamada a la API utilizando el método POST
response <- VERB("POST", url, 
                  body =  consulta, 
                  content_type("application/json"),
                  accept("application/json"),
                  encode = "json")

# Obtenemos el contenido de la respuesta, que contiene tanto los datos como los metadatos
contenido <- content(response, "text")

# La cadena de texto internamente es un json
contenido <- jsonlite::fromJSON(contenido)

# Data frame con los datos
datos <- contenido$data

import requests
import json
import pandas as pd
import numpy as np
# Url base del servio API del Censo
url = 'https://www.ine.es/Censo2021/api'

# Datos en formato JSON que enviaremos en la solicitud POST
data = {
    'idioma':'ES',
    'metrica':['SPERSONAS'],
    'tabla':'per.ppal',
    'variables': ['ID_RESIDENCIA_N1', 'ID_NACIONALIDAD_N1', 'ID_SEXO', 'ID_GRAN_GRUPO_EDAD']
}

data_json = json.dumps(data)
headers = {'Content-Type': 'application/json'}

response = requests.post(url, data=data_json, headers=headers)
  # Verificamos el código de estado de la respuesta (200 para éxito)
if response.status_code == 200:
    contenido = response.json()
    datos = pd.DataFrame (contenido['data'])
else:
    print('Error en la solicitud. Código de estado:', response.status_code)

library(dplyr)
datos_originales <- datos
correspondencia_residencia <- c(
  'Andalucía'                  = 1,
  'Aragón'                     = 2,
  'Asturias, Principado de'    = 3, 
  'Balears, Illes'             = 4,
  'Canarias'                   = 5,
  'Cantabria'                  = 6,
  'Castilla y León'            = 7,
  'Castilla - La Mancha'       = 8,
  'Cataluña'                   = 9,
  'Comunitat Valenciana'       = 10,
  'Extremadura'                = 11,
  'Galicia'                    = 12,
  'Madrid, Comunidad de'       = 13,
  'Murcia, Región de'          = 14,
  'Navarra, Comunidad Foral de'= 15,
  'País Vasco'                 = 16,
  'Rioja, La'                  = 17,
  'Ceuta'                      = 51,
  'Melilla'                    = 52
)

# Calcular el percentil y reemplazar los valores en la columna SPERSONAS
datos <- datos %>%
  mutate(ID_NACIONALIDAD_N1 = as.numeric(factor(ID_NACIONALIDAD_N1)),
         ID_GRAN_GRUPO_EDAD = as.numeric(factor(ID_GRAN_GRUPO_EDAD)),
         ID_SEXO = as.numeric(factor(ID_SEXO)),
         ID_RESIDENCIA_N1 = as.numeric(correspondencia_residencia[ID_RESIDENCIA_N1]),
         SPERSONAS = percent_rank(SPERSONAS))

datos_escalados <- scale(datos)
#datos_escalados

from sklearn.preprocessing import StandardScaler

datos_procesados = datos.copy()
datos_procesados.ID_GRAN_GRUPO_EDAD.replace(['Menos de 16', '16-64', '65 o más'],
                                            [0, 1, 2], inplace=True)
datos_procesados.ID_SEXO.replace(['Hombre', 'Mujer'],
                                  [0, 1], inplace=True)
datos_procesados.ID_NACIONALIDAD_N1.replace(['Española','Extranjera'],
                                            [0, 1], inplace=True)
datos_procesados.ID_RESIDENCIA_N1.replace(
['Andalucía',
 'Aragón',
 'Asturias, Principado de',
 'Balears, Illes',
 'Canarias',
 'Cantabria',
 'Castilla y León',
 'Castilla - La Mancha',
 'Cataluña',
 'Comunitat Valenciana',
 'Extremadura',
 'Galicia',
 'Madrid, Comunidad de',
 'Murcia, Región de',
 'Navarra, Comunidad Foral de',
 'País Vasco',
 'Rioja, La',
 'Ceuta',
 'Melilla'],
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 51, 52], inplace=True)
def percentile_rank(column):
   return column.rank(pct = True)

datos_procesados.SPERSONAS = percentile_rank(datos_procesados['SPERSONAS'])

scaler = StandardScaler()
datos_procesados_escalados = scaler.fit_transform(datos_procesados)

library(factoextra)
library(NbClust)
fviz_nbclust(x = datos_escalados, FUNcluster = kmeans, method = "wss", k.max = 10)

#nb <- NbClust(datos_escalados, distance = "euclidean", min.nc = 2,
#              max.nc = 10, method = "kmeans")

from sklearn.cluster import KMeans
from yellowbrick.cluster import KElbowVisualizer
model = KMeans(random_state=123, n_init='auto')
visualizer = KElbowVisualizer(model, k=(2,10))
visualizer.fit(datos_procesados_escalados)

visualizer.show()

km_clusters <- eclust(x = datos_escalados, FUNcluster = "kmeans", k = 4, seed = 123,
                      hc_metric = "euclidean", nstart = 50, graph = FALSE)
fviz_silhouette(km_clusters, print.summary = TRUE, palette = "jco",
                ggtheme = theme_classic())

from yellowbrick.cluster import SilhouetteVisualizer
model = KMeans(4, random_state=123, n_init='auto')
visualizer = SilhouetteVisualizer(model, colors='yellowbrick')

visualizer.fit(datos_procesados_escalados)

visualizer.show()